Публикации по теме 'linear-regression'


Машинное обучение (часть 2)
Линейная регрессия Прогнозирование результатов с помощью одной функции Метод прогнозирования зависимой переменной (Y) на основе значений независимых переменных (X), в которых они линейно связаны. Цель: найти линейную функцию, которая предсказывает зависимую переменную (Y) как функцию признака или независимой переменной (X). Линейная функция , y = b0 + (b1 * x1) у = зависимая переменная х = независимая переменная Как найти наиболее подходящую линию? В этой..
Линейная регрессия — Обзор за 3 минуты
Обзор Предположим, вы хотите получить доступ к взаимосвязи между двумя переменными, которые являются зависимыми ( Y ) и независимыми ( X ), более того, чтобы предсказать значение зависимой переменной. Это оценивает коэффициенты линейного уравнения, где может быть одна или несколько независимых переменных, которые могут лучше всего предсказать значение зависимой переменной. Модель линейной регрессии соответствует линии, которая минимизирует отклонения/разделение между фактическими и..
Оценка Пирсона R и R²: оценка и сравнение трех различных моделей линейной регрессии с…
В прошлой статье мы сделали некоторые математические выводы о статистике простой линейной регрессии, а также немного закодировали. Теперь мы покажем три различных подхода к оценке модели линейной регрессии: оценщик, реализованный с нуля, sklearn's linear_model класс и scipy.linalg.lstqd функция. Кроме того, мы собираемся использовать коэффициент Пирсона R для проверки линейной корреляции наших данных и коэффициент определения R² для проверки и сравнения всех наших трех моделей. И..
Градиентный спуск и регрессия
Наиболее часто задаваемый вопрос в интервью по науке о данных касается градиентного спуска. Нахождение градиента функции — возможно, самая важная идея во всем машинном обучении. Поскольку градиентный спуск имеет решающее значение, в этой статье мы постараемся подробно изучить его математически. Поскольку в Интернете доступно множество ресурсов по синтаксису кодирования, я не буду приводить коды в этой статье, вместо этого мы сосредоточимся только на математике. Предупреждение: эта статья..
Освоение линейной регрессии: раскрытие искусства прогнозирования данных
Привет всем 👋 когда мы начинаем этап построения модели в жизненном цикле науки о данных, первая модель, которую все пробуют, — это простая линейная регрессия или линейная регрессия. В этом блоге мы узнаем о геометрическом и математическом понимании алгоритма, а также о реализации кода Python. Введение Линейная регрессия — это самая простая и понятная регрессионная модель с одной независимой переменной и одной выходной переменной. Предположим, что у нас есть данные из ячейки..
Понимание градиентного спуска
Введение Часто, пытаясь построить модель линейной регрессии, мы сталкиваемся с термином «градиентный спуск», люди, которые плохо знакомы с машинным обучением, путаются с ним, а некоторые игнорируют, чтобы понять концепцию, стоящую за этим. Чтобы понять функциональность этого, нужно быть знакомым с тремя понятиями, Наклон прямой линии Пересечение прямой линии Функция стоимости Форма пересечения наклона Y = mx + b Это уравнение выглядит знакомым, это уравнение прямой в..
Вопрос интервью: что такое линейная регрессия?
Линейный регрессионный анализ используется для прогнозирования значения непрерывной переменной переменной на основе значения другой переменной. Прогнозируемая переменная является зависимой переменной или выходом. Переменная, которая используется для прогнозирования, является независимой переменной или входом. Линейная регрессия соответствует прямой линии или поверхности, которая минимизирует расхождения между…